TextVerifier: oltre il riconoscimento per verificare la resa grafica del testo cinese

Abstract degli autori

I modelli text-to-image generano sempre più spesso testo cinese leggibile che presenta tuttavia difetti locali di resa grafica, come un carattere con un tratto in più o in meno, oppure una componente malformata. Questi errori sfuggono all’OCR e ai modelli visivo-linguistici, addestrati al riconoscimento e quindi invarianti rispetto proprio alle deviazioni strutturali che definiscono un errore di resa grafica. Formalizziamo la verifica della resa grafica del testo come un problema condizionato dal carattere bersaglio: dati un carattere bersaglio e un ritaglio d’immagine, stabilire se il ritaglio ne sia una resa corretta. Il nostro verificatore TEXTVERIFIER fornisce alla torre testuale la Ideographic Description Sequence (IDS) di un carattere anziché il simbolo del singolo carattere ed è addestrato su 12,7 milioni di coppie ritaglio-IDS, oltre che su coppie difficili senza etichette «stesso carattere, qualità diversa», campionate dalla traiettoria di addestramento di un modello di inpainting delle regioni di testo. Per valutare questa capacità, realizziamo TEXTRENDERBENCH-ZH, il primo benchmark per singolo carattere sul testo cinese generato, annotando posizione, identità e correttezza di 7.358 caratteri. TEXTVERIFIER raggiunge un punteggio F1 di 0,844, ben superiore a quelli ottenuti con la confidenza dell’OCR (0,526), un VLM generalista (0,329) e TextPecker (0,590). Usato come ricompensa per singolo carattere nel post-training con Flow-GRPO, riduce ulteriormente gli errori di resa grafica, mostrando che il suo punteggio può sia rilevarli sia correggerli.